Przejdź do głównej treści
Polski— Wybierz język
Menu

Czym jest agent AI OpenAI

Lekcja 1 z 25 Zaktualizowano 2 listopada 2026 Programista
Na tej stronie
  1. Czym jest agent AI OpenAI
  2. Agent a chatbot: kluczowa różnica
  3. Ekosystem agentów OpenAI w 2026 roku
  4. Responses API: silnik pod maską
  5. Modele dostępne dla Twoich agentów
  6. Kluczowe wnioski

Aktualizacja z 2 listopada 2026 r. — Agent Builder. 3 czerwca 2026 r. OpenAI ogłosiło wycofanie usługi Agent Builder, zaplanowane na 30 listopada 2026 r.; usługa ChatKit pozostaje dostępna. Od teraz OpenAI kieruje użytkowników do Agents SDK lub agentów w przestrzeni roboczej ChatGPT. Od 10 września 2026 r. OpenAI udostępnia publiczną wersję beta interfejsu API Agents, który hostuje orkiestrację agentów (zob. ChatGPT w 2026 roku, lekcja 10).

Czym jest agent AI OpenAI

Standardowe wywołanie API zwraca tekst: wysyłasz pytanie, model odpowiada i transakcja się kończy. Agent działa inaczej. Rozważa przydzielone zadanie, decyduje, jakie działania podjąć, wykonuje je, obserwuje wyniki i powtarza ten cykl, aż osiągnie cel. To przejście od „generowania tekstu“ do „realizacji zadania“ stanowi fundamentalną ewolucję w sposobie budowania inteligentnych aplikacji.

W 2026 roku OpenAI oferuje kompletny ekosystem do tworzenia agentów: Agents SDK (Python), Agent Builder (bez kodu) oraz ChatKit (wdrażanie). Ten kurs przeprowadzi Cię przez każdy z tych elementów.

GPT-5.6
Obecna generacja
1M
Tokenów kontekstu
6+
Wbudowanych narzędzi
MCP
Otwarty protokół

Agent a chatbot: kluczowa różnica

Standardowy chatbot odpowiada na Twoje wiadomości; agent działa. Wyróżniają go cztery cechy. Po pierwsze, autonomia: agent sam decyduje, których narzędzi użyć i w jakiej kolejności; nie skryptujesz za niego sekwencji działań. Po drugie, pętla rozumowania pozwala mu obserwować wyniki swoich działań i dostosowywać strategię, zamiast podążać za sztywnym planem. Po trzecie, dostęp do narzędzi daje mu „ręce“: przeszukiwanie sieci, wykonywanie kodu, odczyt plików lub wywoływanie API. Wreszcie, trwałość utrzymuje kontekst przez wiele kroków, zapewniając, że informacje zebrane podczas trzeciego wywołania pozostaną użyteczne przy dziesiątym.

Przykład praktyczny ilustruje tę różnicę. Pytasz: „Przeanalizuj sprzedaż z ostatniego kwartału i wyślij podsumowanie do zespołu“. Chatbot dostarczy Ci szablon podsumowania, pozostawiając Ci jego wypełnienie. Agent natomiast:

  1. Wywoła Twoje API sprzedażowe, aby pobrać dane
  2. Użyje Code Interpreter do obliczenia trendów
  3. Wygeneruje ustrukturyzowane podsumowanie
  4. Wyśle e-mail za pośrednictwem podłączonej funkcji

Nie zaprogramowałeś żadnego z tych czterech kroków: opisałeś cel i udostępniłeś narzędzia.

Ekosystem agentów OpenAI w 2026 roku

Współistnieją trzy poziomy wejścia, od pierwszego prototypu aż po wdrożenie produkcyjne.

Agent Builder (bez kodu)

Interfejs wizualny pod adresem platform.openai.com pozwala stworzyć agenta bez pisania kodu: konfigurujesz tam instrukcje, narzędzia i zabezpieczenia. Jest to narzędzie do szybkiego prototypowania, które w pół godziny powie Ci, czy Twój pomysł ma sens.

Agents SDK (Python)

Oficjalny SDK oferuje pełną kontrolę nad logiką, narzędziami, przekazywaniem zadań między agentami oraz śledzeniem (tracing). To sedno tego kursu, a kompletny agent mieści się w zaledwie kilku liniach kodu.

from agents import Agent, Runner

agent = Agent(
    name="Asystent sprzedaży",
    instructions="Jesteś asystentem sprzedaży. Analizuj dane sprzedażowe i proponuj rekomendacje.",
    model="gpt-5.6-terra",
)

result = Runner.run_sync(agent, "Jaki produkt najlepiej sprzedawał się w tym miesiącu?")
print(result.final_output)

ChatKit (wdrażanie)

ChatKit integruje Twoje agentów z Twoim produktem: widżety czatu, motywy i akcje użytkownika. Przekształca agenta działającego w terminalu w komponent gotowy do produkcji.

Responses API: silnik pod maską

Wszyscy agenci OpenAI polegają na Responses API, które zastąpiło Chat Completions API jako główny punkt wejścia. Obsługuje ono natywnie wywoływanie funkcji, przeszukiwanie sieci (wyszukiwanie w czasie rzeczywistym), przeszukiwanie plików (searching your files), interpreter kodu (wykonywanie kodu Python), korzystanie z komputera (sterowanie interfejsem) oraz konektory MCP (otwarty protokół). Nie musisz wywoływać go bezpośrednio, ponieważ Agents SDK je hermetyzuje; jednak gdy agent zachowuje się nieprawidłowo, to właśnie tę warstwę przeanalizujesz, aby zrozumieć problem i zoptymalizować działanie.

Modele dostępne dla Twoich agentów

Od 9 lipca 2026 r. rodzina modeli GPT-5.6 (Sol, Terra, Luna) stanowi obecną generację, a rozumowanie nie jest już osobnym modelem: jest ustawieniem, ranging od none do max. Przykłady kodu w tym kursie wykorzystują tę rodzinę.

ModelIdentyfikatorPozycjonowanie
GPT-5.6 Solgpt-5.6-solNajbardziej wydajny: złożone zadania, zaawansowane rozumowanie
GPT-5.6 Terragpt-5.6-terraBilans inteligencji i kosztów — Twój domyślny wybór
GPT-5.6 Lunagpt-5.6-lunaDuża przepustowość i minimalny koszt, idealny do łańcuchów agentów

Rozumowanie jest konfigurowalne dla każdego żądania na każdym z tych modeli (none → max), co zastępuje stary kompromis między modelem ogólnego przeznaczenia a dedykowanym modelem rozumującym.

Wybór modelu bezpośrednio wpływa na możliwości Twojego agenta i koszty: ekonomiczny model wywołany dwadzieścia razy w łańcuchu nie generuje takich samych opłat jak model frontierowy solicitowany raz. Wrócimy do tego szczegółowo w nadchodzących lekcjach.

Kluczowe wnioski

  • Agent AI rozumuje, podejmuje decyzje i działa – to znacznie więcej niż chatbot
  • Ekosystem OpenAI oferuje trzy poziomy: Agent Builder (bez kodu), Agents SDK (kod), ChatKit (wdrażanie)
  • Responses API jest silnikiem napędowym wszystkich agentów
  • GPT-5.6 (Sol, Terra, Luna) to obecna generacja; rozumowanie jest ustawieniem, a nie osobnym modelem